首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于Spark平台多目标人工蜂群算法的机械臂轨迹规划研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第11-18页
    1.1 研究背景与意义第11-13页
    1.2 国内外研究现状第13-16页
        1.2.1 机械臂轨迹规划的研究第13-14页
        1.2.2 人工蜂群算法的研究第14页
        1.2.3 基于优化算法的机械臂轨迹规划的研究第14-16页
    1.3 研究内容第16页
    1.4 论文结构第16-18页
第二章 机械臂运动学轨迹规划及优化方法第18-28页
    2.1 机械臂轨迹规划第18-23页
        2.1.1 机械臂运动控制第18-20页
        2.1.2 B样条轨迹规划第20-22页
        2.1.3 轨迹的生成第22-23页
    2.2 人工蜂群算法第23-26页
        2.2.1 算法原理第23-24页
        2.2.2 算法流程第24-26页
        2.2.3 算法特点第26页
    2.3 本章小结第26-28页
第三章 基于Spark的多目标人工蜂群算法第28-44页
    3.1 多目标人工蜂群算法第28-32页
        3.1.1 Pareto Front第28-29页
        3.1.2 适应值计算第29-31页
        3.1.3 算法流程第31-32页
    3.2 基于Spark的多目标人工蜂群算法第32-36页
        3.2.1 Spark运行框架概述第32-34页
        3.2.2 算法的并行化第34-36页
    3.3 实验及分析第36-43页
        3.3.1 实验内容第36-38页
        3.3.2 实验结果及分析第38-43页
    3.4 本章小结第43-44页
第四章 基于多目标人工蜂群算法的机械臂轨迹规划第44-63页
    4.1 多目标机械臂轨迹规划问题第44-46页
    4.2 机械臂多目标轨迹优化性能指标第46-47页
        4.2.1 优化目标第46页
        4.2.2 运动学和动力学约束第46-47页
    4.3 基于多目标人工蜂群算法的机械臂轨迹规划第47-55页
        4.3.1 约束条件的转化第47-49页
        4.3.2 优化模型第49-52页
        4.3.3 模型的并行化第52-55页
    4.4 实验及仿真第55-62页
        4.4.1 实验及分析第55-57页
        4.4.2 轨迹曲线绘制与仿真第57-62页
    4.5 本章小结第62-63页
第五章 总结与展望第63-66页
    5.1 总结第63-64页
    5.2 展望第64-66页
参考文献第66-71页
硕士期间发表学术论文情况第71-72页
致谢第72-73页

论文共73页,点击 下载论文
上一篇:基于深度学习的实时视频人脸识别方法的研究
下一篇:基于深度可分离卷积的卷积神经网络瘦身研究